tensorflow第一天

---

tensorflow的安装

tensorflow有1.x和2.x，CPU和GPU版本的
这里我安装的是tensorflow1.15.0CPU版本
步骤：
1.创建一个虚拟环境
打开cmd终端，输入命令：

conda create -n pachong python==3.6.5

这条命令就创建了一个名字为pachong，基于python版本3.6.5的环境
2.查看anaconda环境下所有的虚拟环境

conda info --envs

3.安装tensorflow1.15.0
激活当前环境

activate pachong

在当前环境安装1.15.0版本的tensorflow

conda install -n pachong tensorflow==1.15.0

4.在pycharm中配置当前的虚拟环境

tensorflow结构分析

TensorFlow程序通常被组织成一个构建图阶段和一个执行图阶段。

在构建阶段，数据与操作的执行步骤被描述成一个图。

在执行阶段，使用会话执行构建好的图中的操作。

图和会话︰
-----------图:这是TensorFlow将计算表示为指令之间的依赖关系的一种表示法。
-----------会话: TensorFlow跨一个或多个本地或远程设备运行数据流图的机制
张量:TensorFlow中的基本数据对象
节点:提供图当中执行的操作

数据流图：

TensorFlow： Tensor - 张量 - 数据 Flow - 流动

TensorFlow是一个采用数据流图(data flow graphs)，用于数值计算的开源框架。 节点(Operation)在图中表示数学操作，线(edges)则表示在节点间相互联系的多维数据数组，即张量(tensor) 。

tensorflow实现一个简单的加法运算：

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'


def tensorflow_demo():
    """
    TensorFlow的基本结构
    :return:
    """
    # 原生python加法运算
    a = 2
    b = 3
    c = a + b
    print("普通加法运算的结果：\n", c)

    # TensorFlow实现加法运算
    a_t = tf.constant(2)
    b_t = tf.constant(3)
    c_t = a_t + b_t
    print("TensorFlow加法运算的结果：\n", c_t)

    # 开启会话
    with tf.Session() as sess:
        c_t_value = sess.run(c_t)
        print("c_t_value:\n", c_t_value)

    return None

图与会话

什么是图结构
图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代赛的计算单元之间流动的数据。

图结构：数据（Tensor） + 操作（Operation）

图相关操作
1 默认图 通常TensorFlow会默认帮我们创建一张图。

查看默认图的两种方法:

通过调用tf.get_default_graph()访问，要将操作添加到默认图形中，直接创建OP即可。
op、sess都含有graph属性，默认都在一张图中
上面我们的代码有了一个加法运算，明明已经有了数据和对应的操作，但是图在哪里呢?

其实刚才的运算是使用的默认图

#tensorflow 实现加法运算
a=tf.constant(2)
b=tf.constant(3)#数据是3
c=a+b#操作是加法
print("tensorflow加法运法的结果:\n",c)

这个代码tensorflow会自动生成对应的默认图

查看默认图的两种方式：

#方法一：调用方法
default_g